[AI 아키텍트 시리즈 5탄] 실무로 도약하기: 나만의 첫 번째 AI 에이전트 설계도 그리기
우리는 지난 4번의 시리즈를 통해 챗봇의 한계를 넘어서는 '에이전트 AI(AA)'의 철학과 ReAct 패턴이라는 강력한 심장 박동에 대해 이야기했습니다. 하지만 아키텍트에게 가장 중요한 것은 '현장'입니다. 아무리 훌륭한 설계도라도 실제로 건물이 올라가지 않으면 의미가 없죠.
그래서 오늘은 제가 직접 Make.com이라는 도구를 사용해 나만의 첫 번째 에이전트를 설계하고 구축하며 겪은 생생한 경험을 공유하고자 합니다.
 |
| 뉴스 큐레이터' 에이전트의 워크플로우. 인간의 의사결정(필터링)이 포함된 하이브리드 설계 |
1. 프로젝트: 나의 지적 생산성을 높이는 '뉴스 큐레이터'
우리가 마주하는 첫 번째 에이전트의 미션은 명확합니다. 매일 쏟아지는 수만 개의 뉴스 속에서 나에게 꼭 필요한 'Hot Issue 3가지'만 골라 아침마다 메일로 보내주는 개인 비서(AA)를 만드는 것입니다.
🏗️ 에이전트 설계도 (Architecture)
관찰 (Observation): RSS 피드를 통해 실시간 사회/기술 뉴스를 수집합니다.
사고 (Reasoning): Gemini AI가 수집된 뉴스들을 분석하여 오늘 가장 뜨거운 이슈 3가지를 선정합니다.
행동 (Action): 선정된 이슈를 요약하여 내 이메일로 발송합니다.
2. Make.com 경험기: "코딩이 아니라 로직의 시대"
AI가 수많은 데이터를 분석하고 초안을 만드는 지금, 아키텍트인 우리가 해야 할 일은 '무엇을 만드는가'라는 질문을 던지는 일입니다. 저는 제미나이와 함께 이 에이전트의 논리적 뼈대를 세우며, 코딩의 수고를 덜어낸 자리에 '인간의 판단력'을 어떻게 채울 것인지 고민했습니다.
에이전트를 구축하면서 제가 느낀 가장 큰 놀라움은 '어려움이 없었다'는 점입니다. 과거라면 복잡한 파이썬 코드를 짜고 서버를 구축해야 했겠지만, 이제는 AI의 도움으로 장벽이 완전히 허물어졌습니다.
모르는 모듈 설정이나 데이터 연결 방식은 제미나이(Gemini)에게 물어보며 하나씩 퍼즐을 맞췄습니다. 아키텍트에게 필요한 역량은 이제 '코딩 실력'이 아니라, "AI에게 어떤 순서로 일을 시킬 것인가"라는 논리적인 아키텍처 설계 능력임을 다시 한번 체감했습니다.
설계 과정에서 막힐 때, 저는 제가 고민하는 아키텍처 다이어그램을 그대로 제미나이에게 업로드하고 '이 구조에서 데이터 병목이 발생할 지점을 찾아줘'라고 요청했습니다. 단순한 도구 사용을 넘어, AI를 나의 주니어 아키텍트처럼 활용한 것입니다."
3. 아키텍트의 성장통: 크레딧 소모와 '최적화'의 미학
물론 시행착오도 있었습니다. 에이전트를 만들자마자 의욕이 앞서 1분 단위로 실행하게 두었더니, 순식간에 서비스 크레딧 한도를 초과해 시스템이 멈춰버린 것이죠.
이 시행착오는 단순한 실수라기보다 '데이터 비용(Cost)과 가치(Value)의 균형'을 찾는 과정이었습니다. 아키텍트란 결국 기술의 화려함보다 효율의 최적화를 설계하는 사람임을 다시 한번 확인했습니다.
하지만 이 '한도 초과'라는 경험은 저에게 중요한 가르침을 주었습니다.
무분별한 자동화는 독이다: 모든 데이터를 AI에게 던지는 것이 아니라, '필터(Filter)'를 통해 가치 있는 것만 골라내는 과정이 필수입니다.
지능적 스케줄링: 실시간이 무조건 좋은 것은 아닙니다. 아침 9시, 퇴근 전 6시 등 필요한 시점에만 작동하게 설계하는 것이 진정한 아키텍트의 실력입니다.
4. 도구 상자 확장하기: Make.com 그 너머
이번 실습은 Make.com으로 진행했지만, 세상에는 다양한 에이전트 빌더들이 우리를 기다리고 있습니다.
Make.com: 다양한 앱을 시각적으로 연결하는 데 최강자입니다 (손과 발).
Dify / Coze: 나만의 지식 베이스(RAG)를 연동한 에이전트를 만들기에 최적입니다.
Flowise / n8n: 더 복잡하고 정교한 ReAct 로직을 자율적으로 제어하고 싶을 때 유용합니다.
아키텍트는 도구에 종속되는 것이 아니라, 목적에 맞는 도구를 선택할 수 있어야 합니다.
5. 미래의 비전: 프롬프트를 넘어 자율 에이전트(MAS)로
우리가 지금
Level 1 (현재 - Task-based): 사용자가 정해진 규칙(프롬프트)을 입력하면, AI가 데이터를 처리하는 단계입니다. 우리가 만든 '뉴스 큐레이터'가 여기에 해당하죠.
Level 2 (미래 - Goal-oriented): 사용자는 구체적인 방법 대신 '목표'만 던집니다. AI가 스스로 어떤 도구를 사용할지, 어떤 순서로 문제를 해결할지 계획(Planning)하는 단계로 진화할 것입니다.
미래의 방향성 (Multi-Agent System, MAS): 가장 흥미로운 지점은 '협업'입니다. 한 명의 에이전트가 모든 걸 다 하는 게 아니라, '뉴스 수집가 에이전트', '요약 분석가 에이전트', '이메일 발송 에이전트'가 서로 대화하며 협업하는 멀티 에이전트 시스템으로의 확장입니다.
마치며: 여러분의 설계도는 무엇입니까?
삐삐를 들고 현장을 누비던 시절에서 에이전트가 뉴스를 요약해주는 시대로 도약했습니다. 건설 현장의 징검다리를 놓듯, 여러분의 업무 현장에도 이제 AI 에이전트라는 심장을 심어보시기 바랍니다.
비록 완벽하지 않아도 괜찮습니다. 직접 설계하고, 오류를 마주하며, 최적화해가는 그 과정이 여러분을 진정한 AI 아키텍트로 만들어줄 것입니다.
"에이전트(Agent)는 단순히 질문에 대답하는 챗봇이 아닙니다."
우리가 그동안 시리즈를 통해 추적해온 에이전트는, 사용자의 명령을 수동적으로 기다리는 '챗봇(Chatbot)'이 아닙니다. 에이전트(Agent)는 목적(Goal)을 인지하고, 스스로 도구를 사용(Tool Use)하며, 관찰(Observation)과 판단(Reasoning)을 반복하여 결과를 완결 짓는 '디지털 노동자'입니다.
이번 뉴스 큐레이터 에이전트를 구축하며 깨달았습니다. 진정한 에이전트는 **'결정권'**을 가지고 있습니다.
챗봇은 "오늘 뉴스 보여줘"라고 해야 답하지만,
에이전트는 "오늘의 사회적 이슈 3가지를 정리해서 내 아침 메일함에 넣어놔"라는 목표만 주면, 스스로 RSS를 구독하고, 내용을 분석하여, 메일을 보내는 전 과정을 자율적으로 수행합니다.
이 작지만 강력한 차이가 우리 업무의 패러다임을 바꿉니다. 저는 이제 더 이상 뉴스를 찾으러 다니지 않습니다. 에이전트가 저의 아키텍트적 시각을 대신하여 가장 중요한 정보만을 큐레이션 해오기 때문입니다.
여러분의 첫 번째 에이전트 설계도는 어떤 모습인가요? 댓글로 여러분의 아이디어를 공유해주세요!
[AI 아키텍트 시리즈]를 완주해주신 여러분께 감사드립니다.
계속하여 변화하는 AI 기술의 현장에서 새로운 통찰과 실습으로 찾아오겠습니다.
앞으로는 매주 3일 (월,수, 금) 발행 계획입니다.
"다음 주부터는 AI의 심장, '데이터 센터'를 해부하는 대장정을 시작합니다."
오늘 우리가 만든 에이전트가 소프트웨어의 뇌라면, 다음 주부터 시작될 데이터 센터 프로젝트는 그 뇌가 안전하게 머물 물리적 육체와 인프라를 설계하는 여정입니다. 디지털 노동자를 지휘하기 위해, 이제 물리적 성전을 이해해야 할 때입니다.
[AI 아키텍트 시리즈] : "왜 내 AI는 일을 안 할까? 챗봇에서 에이전트로의 진화"
1. 똑똑한 챗봇은 왜 당신의 업무를 줄여주지 못할까요? - '챗봇'에서 '에이전트(AA)'로의 전환
2. 삐삐가 울리면 공중전화로 뛰어가던 시절, 왜 지금 우리는 다시 '도약'을 말하는가?
3. 왜 우리는 '개구리 도약(Leapfrogging)'을 멈출 수 없는가?
4. 에이전트의 심장, 'ReAct 패턴' 쉽게 이해하기
5. 실무로 도약하기: 나만의 첫 번째 AI 에이전트 설계도 그리기 (현재글)
함께하면 좋은글 : AI 데이터센터 프로젝트]
1탄 : [탄생] 메인프레임, '자동화된 논리'로 사회의 표준을 바꾸다 (1960~80s)
이 아카이브는 지속적으로 업데이트됩니다.
최종 업데이트: 2026. 07. 04.
